Optimisation de la performance globale par la collaboration, la mutualisation et le partages d'activités et de ressources au sein de systèmes reconfigurables et automatisés par une approche auto-organisée sur le produit // Optimizing overall performance b

L'introduction de l'intelligence artificielle permet depuis quelques années d'améliorer la production en autorisant des pilotages plus efficients et des reconfigurations plus simples des systèmes de production [Kaczmarczyk et al., 2022]. Dans le cadre de l'Industrie 5.0, cette transformation numérique s'accompagne du renforcement des interactions et collaborations entre les machines « intelligentes » et les opérateurs humains. Cependant, la nécessité de considérer les interactions hommes-machines ainsi que l'intégration toujours plus prégnante des différentes parties prenantes et des clients dans les processus de production amènent à définir de nouvelles approches [Ivanov et al., 2020]. Ainsi, l'intégration et l'interopérabilité entre les différentes parties prenantes sont prépondérantes pour garantir l'obtention de performances globales [Chen et al., 2008].
Dans ce contexte, nous considérerons un système de production composé de différents postes de travail pouvant comprendre une ou plusieurs machines (cellules flexibles automatisées ou non, robots, cobots), d'équipements de manutention et d'approvisionnement (AGV) et d'opérateurs humains pouvant travailler sur les postes ou en appui de l'approvisionnement. A chaque équipement –machine, opérateur humain, produit à réaliser (celui-ci ayant un impact prépondérant du fait de sa participation intégrante au processus de production)– et client sera associé un agent logiciel permettant de décrire ses aptitudes (associant la notion de service au sens logiciel [Weyer et al., 2015]). Les différentes parties prenantes du système de production seront ainsi modélisées via la définition de ce système multi-agent [Yuan et al., 2022]. Ce système multi-agent pourra alors être connecté au système d'information et aux progiciels de gestion de la production utilisés qui permettront de récupérer en temps quasi réel les informations nécessaires à la reconfiguration et au pilotage optimaux du système de production considéré [Liu, 2023]. Les objectifs visés dans le cadre de cette thèse de doctorat sont les suivants
1.Modéliser les différentes parties prenantes du système de production par une approche comportementale et auto-organisée permettant de mettre en évidence toutes les ressources (humaines ou non) et incluant le produit/nouvelle série à réaliser ;
2.Associer à ces différentes parties prenantes un agent intelligent, et concevoir le système multi-agent en résultant. L'objectif ici est d'intégrer pleinement les robots, cobots et AGV dans les activités de façon à améliorer les interactions homme-machine et la définition de collaborations entre parties prenantes. Une vision à partir de la théorie des jeux pourra être envisagée ;
3.Identifier des trajectoires d'évolution en fonction des comportements identifiés et d'éventuelles perturbations ou défaillances pouvant survenir.
4.Proposer un outil d'aide à la décision. Celui-ci sera défini en utilisant une résolution multicritère dynamique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The introduction of artificial intelligence has improved production by enabling more efficient control and simpler reconfiguration of production systems [Kaczmarczyk et al., 2022]. In the context of Industry 5.0, this digital transformation is accompanied by increased interaction and collaboration between “intelligent” machines and human operators. However, the need to consider human-machine interactions, as well as the ever-increasing integration of different stakeholders and customers into production processes, is leading to the definition of new approaches [Ivanov et al., 2020]. Thus, integration and interoperability between the various stakeholders are essential to guarantee overall performance [Chen et al., 2008].
In this context, we will consider a production system made up of different workstations that may include one or more machines (automated or non-automated flexible cells, robots, cobots), handling and supply equipment (AGVs) and human operators who may work on the workstations or in support of supply. Each piece of equipment - machine, human operator, product to be produced (the latter having a predominant impact due to its integral participation in the production process) - and customer will be associated with a software agent enabling its capabilities to be described (associating the notion of service with the software sense [Weyer et al., 2015]). The various stakeholders in the production system will thus be modeled via the definition of this multi-agent system [Yuan et al., 2022]. This multi-agent system can then be connected to the information system and to the production management software packages used, which will make it possible to retrieve in near-real time the information required for optimal reconfiguration and control of the production system under consideration [Liu, 2023]. The objectives of this doctoral thesis are
1.model the various stakeholders in the production system using a behavioral and self-organizing approach, highlighting all resources (human or otherwise) and including the product/new series to be produced;
2.associate an intelligent agent with these various stakeholders, and design the resulting multi-agent system. The aim here is to fully integrate robots, cobots and AGVs into activities, so as to improve human-machine interactions and the definition of collaborations between stakeholders. A vision based on game theory could be envisaged;
3. Identify evolution trajectories based on identified behaviors and possible disturbances or failures.
4) Propose a decision-making tool. This will be defined using dynamic multi-criteria resolution.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Lorraine

77 IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

génie industriel (section CNU 61) mathématiques (théorie des jeux et modélisation) codage
industrial engineering (section CNU 61) mathematics (game theory and modeling) coding